スキャルピングの聖杯を探せ！Claude Codeの自律バックテストでロジックを作る方法

2026年3月7日2026年3月9日

URLをコピーしました！

FXや仮想通貨のトレードにおいて、数秒から数分で取引を終える「スキャルピング」は、短時間で利益を積み上げられる魅力的な手法です。しかし、その検証作業は過酷を極めます。1分足やティックといった膨大なデータを分析し、手法の有効性を確かめるには、気が遠くなるような時間と労力が必要でした。

そこで今、投資家の間で注目を集めているのが「Claude Code」を活用した自律型のバックテストです。これは単にコードを書かせるだけではありません。AIが自らプログラムを実行し、結果を分析して、勝てるまでロジックを修正し続けるという「AIによる自動研究」を可能にします。この記事では、AIを最強のパートナーにして、理想のトレードロジックを作り上げる手順を詳しく解説します。

Claude Codeでスキャルピングを分析するメリット

これまでのバックテストといえば、人間がコードを書き、実行ボタンを押し、エラーが出たら直し、結果を見てまたコードを書き換えるという、泥臭い作業の繰り返しでした。特に取引回数が多いスキャルピングでは、わずかな設定の差が結果を大きく変えるため、この試行錯誤の回数が成否を分けます。

Claude Codeを使えば、この「試行錯誤」のすべてをAIが担当してくれます。AIはターミナルを直接操作し、エラーログを自ら読み取り、パフォーマンスが向上するまで勝手にプログラムを改良し続けます。人間が寝ている間に、何百通りものパラメータの組み合わせを試し、最も利益の出る「聖杯」に近い設定を見つけ出してくれるのです。

24時間体制でロジックの改善を繰り返せる

人間の集中力には限界がありますが、AIはどれだけ複雑な計算を繰り返しても疲れることがありません。スキャルピングのロジックを検証する際、例えば「RSIの数値が29なのか30なのか」といった細かな微調整を、AIは延々と自動で繰り返してくれます。

具体的には、AIが作成したバックテストの結果をAI自身が読み取り、「勝率が低いのは損切りが早すぎるからだ」と推論を立て、次のテストで自動的に数値を修正します。この自律的なループにより、人間が数週間かけて行っていた検証を、わずか数時間に短縮できるでしょう。

ただし、AIに任せきりにすると、特定の期間だけに完璧に合わせた「使えないロジック」が出来上がることもあります。

そのため、AIには「期間を変えて何度も試す」といった指示をセットで与えるのが、成功するためのコツです。

休憩なしで数百通りのパラメータを検証
失敗した原因をログから特定し、即座に修正
複数のインジケーターの組み合わせを総当たりで試行

自分の思い込みを排除して客観的なデータを出せる

トレードの世界では、「自分はこの手法で勝てるはずだ」という思い込み（バイアス）が最大の敵になります。人間が手作業でテストをすると、無意識のうちに自分に都合の良い期間だけを選んでしまったり、失敗した取引を「例外」として無視したりしがちです。

AIにはこうした感情が一切ありません。データが「この手法は負ける」と示せば、忖度なしにその事実を突きつけてきます。

この冷徹なまでの客観性が、あなたの資産を守る強力なフィルターとなります。

例えば、あなたが自信を持っていた「移動平均線のゴールデンクロス」が、実はスプレッド（手数料）を含めると赤字だったという事実も、AIは容赦なく暴き出します。

残酷なようですが、この壁を乗り越えて残ったロジックこそが、本物の「勝てる手法」になります。

コーディングと実行の往復をAIに丸投げできる

通常、プログラミングを使ったバックテストでは、コードを書き換えるたびにエディタとターミナルを往復する必要があります。しかし、Claude Codeはターミナル上で直接動くため、AI自身が「コードを書く→実行する→エラーを見る→直す」という作業を一人で完結させます。

「今のコードでバックテストを実行して、グラフを画像で保存しておいて」と伝えるだけで、あなたは手を動かすことなく結果を待つだけです。

プログラミングに不慣れな投資家にとって、この「実行まで任せられる」という点は、これまでのAIツールとは一線を画す利点と言えるでしょう。

もちろん、AIが予期せぬ挙動をしないよう、作業の節目で進捗を確認する習慣は大切です。

AIを「部下」として扱い、自分は「監督」の立場で指示を出す。この役割分担が、最も効率的な開発フローを生みます。

作業工程	従来のやり方	Claude Codeのやり方
コード作成	人間がタイピング	AIが対話から生成
エラー修正	人間が検索して直す	AIが自律的にデバッグ
テスト実行	人間がコマンドを入力	AIが自律的に実行
結果の考察	人間が数字を分析	AIが分析して改善案を提示

バックテストを始める前の環境構築と準備

自律型バックテストの環境を作るのは、一見すると難しそうに感じるかもしれません。しかし、実際にはいくつかのコマンドを入力するだけで、あなたのパソコンは世界レベルの分析マシンに変わります。

ここでは、Claude Codeを導入し、スキャルピングの膨大なデータを高速に処理するための土台作りを解説します。準備を完璧に整えることで、その後のAIへの指示がスムーズに通り、ロジック作成のスピードが劇的に上がります。

Node.jsとClaude Codeをインストールする

Claude Codeを動かすためには、まずその土台となる「Node.js」という環境をパソコンに入れる必要があります。公式サイトから推奨版をダウンロードしてインストールしてください。

その後、ターミナル（WindowsならPowerShellやコマンドプロンプト、Macならターミナル）を開き、以下のコマンドを一列コピーして貼り付けて実行しましょう。

npm install -g @anthropic-ai/claude-code

これで、あなたのパソコンで claude というコマンドが使えるようになります。

初回起動時にはログインを求められるので、Anthropic社のアカウントで認証を済ませてください。

Pythonと分析用ライブラリをセットアップする

次に、バックテストの計算を担当する「Python」を用意します。Claude CodeはPythonのコードを生成し、実行するのが非常に得意だからです。

特に、スキャルピングのように何万回もの取引を計算する場合、高速なライブラリの導入が不可欠です。

以下の3つのライブラリは、スキャルピング分析の「三種の神器」です。必ずインストールしておきましょう。

pip install pandas vectorbt yfinance

pandas：株価や為替の表データを扱うための基本ツール。
vectorbt：超高速なバックテストが可能。スキャルピングに最適。
yfinance：Yahoo Financeから過去の価格データを無料で取ってくる。

これらが揃うことで、AIは複雑な計算を瞬時に終わらせることができるようになります。

準備ができたら、分析したいプロジェクト用のフォルダを作成し、そこでClaude Codeを起動しましょう。

1分足の株価や為替データを取得するスクリプト

スキャルピングの検証には、最低でも「1分足」のデータが必要です。5分足や日足では、数分で終わる取引の良し悪しを判断できないからです。

Claude Codeに「yfinanceを使って、ドル円の過去30日分の1分足をCSVで保存するコードを書いて実行して」と頼んでみましょう。

# AIが生成するコードのイメージ
import yfinance as yf
data = yf.download("USDJPY=X", interval="1m", period="7d")
data.to_csv("usdjpy_1min.csv")

このように、データの取得からファイル保存までをAIに任せることができます。

1分足のデータは取得できる期間に制限がある場合が多いので、こまめにデータを集めて蓄積しておくのが、後の大規模な検証に効いてきます。

データの準備が整えば、いよいよロジックの実装に移れます。

ここからは、あなたのアイデアをAIが形にしていく、最も刺激的なプロセスです。

Claude Codeに最初のバックテストコードを書かせる

環境が整ったら、あなたの頭の中にある「こうすれば勝てるかも」というアイデアをAIに伝えましょう。

完璧なコードを最初から求める必要はありません。まずは動くものを作り、そこからAIと一緒に磨き上げていくのがコツです。

5分足や1分足を使ったスキャルピングの基本コード

まずは、誰もが知っているようなシンプルな手法から試してみましょう。

例えば、「RSIが30を下回ったら買い、70を上回ったら売り」というロジックを1分足で検証させます。

Claude Codeのターミナルにこう入力してみてください。「usdjpy_1min.csvを読み込んで、RSIを使ったスキャルピングのバックテストコードをvectorbtで書いて。スプレッドは0.3ピップスで設定して」。

AIは即座にコードを生成し、さらには「このコードを実行してもいいですか？」と聞いてきます。

yes と答えれば、あなたの画面上で実際に計算が始まり、現在のロジックの成績が弾き出されます。

バックテストに必要な評価指標を定義する

ただ「勝った・負けた」だけでは、ロジックの良し悪しは判断できません。

プロの投資家が重視する指標を、AIにしっかり算出させるように指示しましょう。

以下の指標は、スキャルピングの「聖杯」を見極めるために必ず含めてください。

プロフィットファクター (PF)：総利益を総損失で割ったもの。1.2以上が目安。
最大ドローダウン：資産が最大で何％減ったか。スキャルなら3〜5％以内に抑えたい。
期待利得 (Expectancy)：1回あたりの取引で平均何ピップス稼げるか。
リカバリーファクター：ドローダウンから立ち直る力の強さ。

AIに「これらの指標をすべて表にまとめて出力して」と頼むことで、手法の弱点が浮き彫りになります。

「勝率は高いけれど、一度の負けで利益が吹き飛ぶ（コツコツドカン）」といった問題も、数字で見れば一目瞭然です。

最初のテストを実行して結果を確認する方法

コードが完成し、実行が終わると、ターミナルに結果のサマリーが表示されます。

ここで見るべきは、最終的な資産の曲線（Equity Curve）が右肩上がりになっているかどうかです。

もし右肩下がりなら、その手法には欠陥があるか、設定したコスト（スプレッド）に耐えられていないことになります。

しかし、ここで落ち込む必要はありません。

「なぜ右肩下がりになったのかを分析して、改善案を出して」とClaude Codeに続けて問いかけるのです。

AIは「負けている取引の共通点」を探し出し、「ボラティリティが低い時間帯は避けるべきだ」といった改善案を即座に提案してくれます。

この対話こそが、自律型バックテストの真の価値です。

AIが自律的にロジックを修正・最適化するプロセス

最初のテストが終わったら、ここからがAIの本領発揮です。

AIに「自律モード」で動いてもらい、ロジックの弱点を一つずつ潰していきます。人間はコーヒーを飲みながら、AIが出してくる「改善報告書」を確認するだけで済みます。

「なぜ勝てなかったか」をAIに推論させる

AIは単に計算するだけでなく、トレードの結果を「論理的に解釈」する能力を持っています。

「バックテストのログを読み込んで、負けトレードの特徴を箇条書きで教えて」と指示を出しましょう。

AIは「トレンドに逆らっている場面での損失が多い」「深夜の時間帯に無駄なエントリーがある」といった具体的な問題点を指摘します。

こうした分析は、人間がチャートを一枚ずつめくって確認していた作業です。

この推論のステップを入れることで、闇雲に数値をいじるのではなく、根拠のあるロジック修正が可能になります。

AIの指摘が正しければ、それをコードに反映させるよう命令を出すだけです。

パラメータを自動で調整して再テストを繰り返す

次に、AIに「最適化」を依頼します。

「RSIの期間を10から20の間で変えて、最も利益が出る数値を探して」といった指示です。

AIはスクリプトを自ら書き換え、ループ処理を使って全パターンをテストします。

そして、「期間14が最も安定して利益を出していました。この設定でコードを更新しますね」と自律的に作業を進めます。

インジケーターの期間の組み合わせを総当たりでテスト
利益確定と損切りの幅（利確：損切比率）を最適化
フィルター（例：ADXが20以上のときだけ入るなど）の追加

こうした作業をAIに任せることで、あなたは「戦略の方向性」を決めることだけに集中できます。

面倒な微調整は、すべてAIに丸投げしてしまいましょう。

最も成績の良いロジックをファイルに保存する

AIが「これこそがベストだ」というロジックを見つけたら、それを完成版として保存させます。

「最も成績が良かったロジックを final_strategy.py という名前で保存し、主要な指標をコメントに残して」と頼んでください。

保存されたファイルには、AIがなぜその設定を選んだのかという理由も書き添えてもらうと、後で見返したときに役立ちます。

これで、あなたの手元にはAIと一緒に作り上げた「独自の武器」が残ることになります。

ただし、ここで完成だと思ってはいけません。

AIが作った「美しすぎる結果」には、投資家が必ず陥る「罠」が隠されていることが多いからです。

最適化のポイント	AIができること	人間がチェックすること
数値の微調整	0.1単位で最適な値を探す	その値に理論的な根拠があるか
ロジックの追加	複数のフィルタを組み合わせて勝率を上げる	ルールが複雑すぎていないか
時間帯の制限	勝てる時間帯だけに絞る	その時間帯に取引できるか

スキャルピング特有の「罠」を回避する条件設定

AIにバックテストをさせると、右肩上がりの素晴らしいグラフが簡単に出てくることがあります。しかし、その多くは「現実の市場では再現できない」幻想です。スキャルピングは取引回数が多いため、わずかな「想定漏れ」が利益をすべて食いつぶしてしまいます。

ここでは、AIが描く「夢の結果」を「現実の利益」に引き戻すために必要な、厳しい制約条件について解説します。

スプレッドと取引手数料を厳しめに設定する

スキャルピングにおいて、最大の敵はスプレッドです。

数ピップスを抜きに行く取引において、0.3ピップスのスプレッドは利益の数割を占める巨大なコストになります。

AIにバックテストをさせる際は、普段利用している業者のスプレッドに「0.1〜0.2ピップス」ほど上乗せした数値を設定させましょう。

「余裕を持ったコスト設定でも勝てるロジック」でなければ、実運用で利益を残すことはできません。

コストを厳しくすると、多くの手法は利益が消えて赤字に転落します。

しかし、そこからが本当のロジック開発の始まりです。

コストを引いても残る「本物の優位性」をAIと一緒に探しましょう。

取引が集中する時間帯や曜日を限定する

24時間動かせるのが自動売買の利点ですが、スキャルピングは市場の「流動性」と「ボラティリティ」に大きく左右されます。

値動きが乏しい東京時間の昼休みや、スプレッドが広がりやすい早朝の時間帯は、成績が極端に悪化することが多いです。

AIに「時間帯別の勝率を出して、極端に悪い時間は取引しないコードに書き換えて」と指示しましょう。

特定の曜日（例えば金曜の夜など）に特有の動きがある場合も、AIなら簡単に見つけ出してくれます。

ロンドン市場・ニューヨーク市場の重なる活発な時間帯に絞る
重要な指標発表の前後数時間は避ける設定を入れる
スプレッドが広がる月曜の窓開け直後はエントリーしない

瞬間的な急変（スリッページ）の影響を計算に入れる

バックテストは「その価格で必ず買えた」という前提で計算されます。

しかし現実のスキャルピングでは、注文を出してから約定するまでに価格が滑る（スリッページ）ことがよくあります。

AIに「すべての取引で平均0.1ピップスの滑りが発生すると仮定して再計算して」と指示してみてください。

この「滑り」を考慮しても利益が残るなら、そのロジックの信頼性は一気に高まります。

現実の市場は残酷です。

バックテストという温室の中で満開の花を咲かせるのではなく、嵐の中でも耐えられる雑草のような強さを持ったロジックを、AIと共に作り上げていきましょう。

聖杯に近づくための「ウォークフォワード検証」のやり方

特定の期間（例えば2024年の1月）だけに最適化されたロジックは、2月になった途端に負け始めることがよくあります。これを「過学習（カーブフィッティング）」と呼び、システム開発における最大の落とし穴です。

この罠を回避し、未来でも勝てる確率を上げるための手法が「ウォークフォワード検証」です。

期間をずらして有効性を確かめる仕組み

ウォークフォワード検証とは、データをいくつかのブロックに分け、「A期間でロジックを最適化し、その設定がB期間（未知のデータ）でも通用するかを試す」という作業を繰り返す手法です。

人間がこれを手作業でやるのは非常に手間ですが、Claude Codeなら得意分野です。

「データを5つの期間に分けて、ウォークフォワードテストを自動で実行して。各期間の成績を比較したレポートを出して」と指示してください。

ある期間では勝てるが、別の期間ではボロ負けする……。

そんなロジックは、たまたまその時の相場に合っていただけの「偽物の聖杯」です。

どの期間でも安定してプラスを出せる設定こそが、私たちが探し求めているものです。

特定の時期だけに最適化される過学習を防ぐ

AIは非常に頭が良いので、指示をしないと「その期間のデータに完璧にフィットする、複雑すぎるルール」を作ってしまいます。

「移動平均線の期間が13.456のときにだけ買う」といった、意味のないほど細かい設定が出てきたら要注意です。

過学習を防ぐために、AIには以下の制約を与えましょう。

パラメータは整数のキリの良い数字にする（例：13.5ではなく13か14）
ルールは最大で3つまでに絞る（複雑にしすぎない）
100回以上の取引回数が確保できる設定にする

ルールがシンプルであればあるほど、相場の変化に強く、未来でも通用する可能性が高まります。

「引き算の美学」を持ってロジックを磨くよう、AIに伝え続けましょう。

未来の相場でも通用する確率を高める

ウォークフォワード検証をクリアしたロジックは、いわば「複数の試験を突破した優等生」です。

しかし、それでも未来のことは誰にも分かりません。

最後に、AIに「モンテカルロ・シミュレーション」を依頼してみましょう。

「取引の順番をランダムに入れ替えて、資産がパンクする確率を1000回シミュレーションして」と指示します。

たとえ勝率が良くても、運悪く負けが続いたときに破産するようなロジックは使えません。

最悪のケースを想定し、それでも生き残れることが確認できて初めて、あなたのロジックは「実戦投入」の資格を得ることになります。

運用開始前にチェックすべきリスク管理

ロジックが完成し、バックテストで素晴らしい結果が出ると、今すぐにでも大きな金額で運用したくなるものです。しかし、投資において最後に自分を救うのは、ロジックの優秀さではなく「リスク管理」の徹底です。

実運用に入る前に、AIと一緒に「自分を制御するためのルール」を最終確認しましょう。

最大ドローダウン（資産の落ち込み）を許容できるか

バックテストの結果に表示された「最大ドローダウン」を、自分の心と財布が耐えられるか、真剣に考えてください。

例えば、資産が一時的に10％減るというデータが出ている場合、100万円が90万円になったとき、あなたは冷静にシステムを動かし続けられますか？

もし「耐えられない」と感じるなら、AIに「最大ドローダウンを半分にする設定を探して」と再度依頼すべきです。

利益を減らしてでも、自分が安心して運用を続けられる「心の平穏」を優先しましょう。

長く生き残ることこそが、投資における最大の勝利条件です。

1回の取引あたりの許容損失を固定する

スキャルピングは取引回数が多いため、1回あたりの損失額（リスク）を一定に保つことが非常に重要です。

AIが作ったコードに、「1回の負けは資金の0.5％以内に収める」という資金管理のロジックを必ず組み込ませてください。

資金量に合わせてロット数を自動調整する機能を追加
連続で負けた日はその日の取引を強制終了する「ストップボタン」の設定
1日の最大損失額を設定し、それを超えたらシステムをロックする

こうした「攻め」ではなく「守り」のコードこそが、あなたの全財産が溶けるのを防いでくれます。

AIには「守備重視の資金管理ロジック」を最優先で書かせるようにしましょう。

異常な相場環境でシステムを停止するルール

相場には、経済指標の発表や予期せぬニュースによって、テクニカル分析が全く通用しない「異常な時間帯」が必ず存在します。

こうした時にAIが闇雲にエントリーして損失を広げないよう、停止ルールを設けます。

「ボラティリティが一定以上（または以下）の時はエントリーを控える」

「スプレッドが通常の2倍以上に広がったら、すべての注文をキャンセルする」

こうした賢い回避ルールをプログラムに組み込むことで、システムの安定性は飛躍的に向上します。

聖杯とは「いつでも勝てる手法」ではなく、「負けるべき時に負けない手法」のことだと、AIと一緒に学んでいきましょう。

リスク管理の項目	目的	具体的な対策
ドローダウン制限	破産を防ぎ、心の平穏を保つ	許容範囲を超える前にシステム停止
固定リスク設定	資金の減り方を一定にする	1取引あたりの損失を0.5%〜1%に固定
相場環境フィルター	異常な値動きを避ける	ATRなどの指標で異常なボラを検知